高空間解像度（HSR）のリモートセンシング画像において、二時点監督学習は多くのペアでラベル付けされた二時点画像を使用して変化検出を行う上で常に主導的な役割を果たしています。しかし、大規模な二時点HSRリモートセンシング画像をペアでラベル付けすることは非常にコストがかかり、時間もかかるという問題があります。本論文では、新しい視点から非対応画像内のオブジェクト変化を利用した監督信号として単一時点監督学習（STAR）を提案します。STARは、非対応のラベル付き画像のみを使用して高精度の変化検出器を訓練し、実世界の二時点画像に一般化することが可能となります。STARの有効性を評価するために、シンプルでありながら効果的な変化検出器であるChangeStarを設計しました。ChangeStarは、ChangeMixinモジュールによって任意の深層意味分割アーキテクチャを再利用することができます。包括的な実験結果は、単一時点監督下でChangeStarがベースラインを大幅に上回り、二時点監督下でも優れた性能を達成していることを示しています。コードは https://github.com/Z-Zheng/ChangeStar で入手可能です。